Dank vorausschauendem Routing, inklusive Sharing-Verkehrsmitteln, wird intermodale Mobilität so bequem, wie der Griff zum Autoschlüssel. raumobil GmbH, Fraunhofer IOSB Noch immer zählt das Auto zu den beliebtesten Verkehrsmitteln, denn es ist immer verfügbar, und die Fahrten sind einfach zu planen. Eine Fahrt mit Öffentlichen ist dagegen häufig kompliziert zu planen, vor allem wenn unterschiedliche Verkehrsmittel kombiniert werden müssen. Kommt die Deutsche Bahn pünktlich an, um den Anschlussbus zu erreichen? Sind am Zielort Leihräder oder E-Scooter verfügbar? Fragen und Faktoren, die die heute üblichen Routing-Apps in der Regel nicht berücksichtigen. Diese Punkte will das Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB) mit dem Projekt DAKIMO angehen. Dazu hat das Karlsruher Institut eine KI-basierte Prognose für die Verfügbarkeit von Sharing-Verkehrsmitteln entwickelt. Diese berücksichtigt unter anderem Livedaten zur Verkehrslage. Mit Hilfe dieser Daten berechnet die KI die Wahrscheinlichkeit, an einem gewählten Ort im Stadtgebiet zu einer bestimmten Zeit ein Leihfahrrad oder einen E-Scooter vorzufinden. Intermodales Routing per APP Projektpartner raumobil GmbH nutzt diese Prognose für intermodales Routing. Sprich, eine Mobilitäts-App schlägt Verbindungen vom Start zum Ziel vor und kalkuliert auch die prognostizierten Verfügbarkeiten ein. Ziel der Projektpartner ist es, am Beispiel der regiomove-App des Karlsruher Verkehrsverbunds (KVV) intermodale Routenvorschläge Realität werden zu lassen. Wer die App nutzt, soll je nach aktueller Situation passgenaue Vorschläge für Verkehrsmittel erhalten, die optimal zu den individuellen Bedürfnissen und der jeweiligen Route passen. Das KI-gestützte Routing analysiert Verfügbarkeitswahrscheinlichkeiten, Fahrtdauer und Umstiegspunkte. Fraunhofer IOSB Für die Zukunft hat man am IOSB bereits große Pläne. Die KI-Prognose soll in den internationalen, weltweit gültigen Standard GBFS (General Bikeshare Feed Specification) integriert werden. Dabei handelt es sich um eine Echtzeit-Spezifikation für öffentliche Daten, die in erster Linie der Bereitstellung von Verkehrsinformationen wie Standortdaten für verbraucherorientierte Anwendungen dient. Neuer Datenstandard für die Mobilitätswende Derzeit läuft eine einjährige Evaluationsphase. Vor dem Einsatz im Alltag ist jedoch noch eine Hürde zu nehmen, wie Reinhard Herzog, der am Fraunhofer IOSB die Gruppe Modellbildung und Vernetzung leitet, erläutert: „Damit unsere KI-Technologie in den breiten Praxiseinsatz gebracht werden kann, ist es wichtig, dass der GBFS-Standard um prognostizierte Wahrscheinlichkeiten von Sharing-Fahrzeugen erweitert wird.“ KI-berechnete Aufenthaltswahrscheinlichkeiten von Sharing-Fahrrädern an einem Montag um 18:00 Uhr in Karlsruhe. Fraunhofer IOSB Ein Ansinnen, das vom MobilityData-Konsortium bereits akzeptiert wurde. Die gemeinnützige Organisation konzentriert sich auf die Standardisierung und den Austausch von Mobilitätsdaten. KI-Server bereits in Betrieb Basierend auf den GBFS-Daten sollen Routing-Apps in Zukunft intermodale Routenoptionen anbieten können. Der hierzu benötigte KI-Fusionsserver, über den alle Daten zusammengeführt werden, ist bereits in Betrieb. Er leitet KI-basiert die Verfügbarkeiten der Verkehrsmittel ab, die in Routenvorschläge einfließen. Zudem ist die KI-Prognose schon Bestandteil einer Testversion der Karlsruher regiomove-App, die verschiedenste Mobilitätsinstrumente für die Region Mittlerer Oberrhein miteinander vernetzt. Im nächsten Schritt soll das Prognosemodell auf den Raum Baden-Württemberg ausgerollt werden.
Verkehrswende: Mit KI im ÖPNV schneller ans Ziel
Dank vorausschauendem Routing, inklusive Sharing-Verkehrsmitteln, wird intermodale Mobilität so bequem, wie der Griff zum Autoschlüssel. raumobil GmbH, Fraunhofer IOSB Noch immer zählt das Auto zu den beliebtesten Verkehrsmitteln, denn es ist immer verfügbar, und die Fahrten sind einfach zu planen. Eine Fahrt mit Öffentlichen ist dagegen häufig kompliziert zu planen, vor allem wenn unterschiedliche Verkehrsmittel kombiniert werden müssen. Kommt die Deutsche Bahn pünktlich an, um den Anschlussbus zu erreichen? Sind am Zielort Leihräder oder E-Scooter verfügbar? Fragen und Faktoren, die die heute üblichen Routing-Apps in der Regel nicht berücksichtigen. Diese Punkte will das Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB) mit dem Projekt DAKIMO angehen. Dazu hat das Karlsruher Institut eine KI-basierte Prognose für die Verfügbarkeit von Sharing-Verkehrsmitteln entwickelt. Diese berücksichtigt unter anderem Livedaten zur Verkehrslage. Mit Hilfe dieser Daten berechnet die KI die Wahrscheinlichkeit, an einem gewählten Ort im Stadtgebiet zu einer bestimmten Zeit ein Leihfahrrad oder einen E-Scooter vorzufinden. Intermodales Routing per APP Projektpartner raumobil GmbH nutzt diese Prognose für intermodales Routing. Sprich, eine Mobilitäts-App schlägt Verbindungen vom Start zum Ziel vor und kalkuliert auch die prognostizierten Verfügbarkeiten ein. Ziel der Projektpartner ist es, am Beispiel der regiomove-App des Karlsruher Verkehrsverbunds (KVV) intermodale Routenvorschläge Realität werden zu lassen. Wer die App nutzt, soll je nach aktueller Situation passgenaue Vorschläge für Verkehrsmittel erhalten, die optimal zu den individuellen Bedürfnissen und der jeweiligen Route passen. Das KI-gestützte Routing analysiert Verfügbarkeitswahrscheinlichkeiten, Fahrtdauer und Umstiegspunkte. Fraunhofer IOSB Für die Zukunft hat man am IOSB bereits große Pläne. Die KI-Prognose soll in den internationalen, weltweit gültigen Standard GBFS (General Bikeshare Feed Specification) integriert werden. Dabei handelt es sich um eine Echtzeit-Spezifikation für öffentliche Daten, die in erster Linie der Bereitstellung von Verkehrsinformationen wie Standortdaten für verbraucherorientierte Anwendungen dient. Neuer Datenstandard für die Mobilitätswende Derzeit läuft eine einjährige Evaluationsphase. Vor dem Einsatz im Alltag ist jedoch noch eine Hürde zu nehmen, wie Reinhard Herzog, der am Fraunhofer IOSB die Gruppe Modellbildung und Vernetzung leitet, erläutert: „Damit unsere KI-Technologie in den breiten Praxiseinsatz gebracht werden kann, ist es wichtig, dass der GBFS-Standard um prognostizierte Wahrscheinlichkeiten von Sharing-Fahrzeugen erweitert wird.“ KI-berechnete Aufenthaltswahrscheinlichkeiten von Sharing-Fahrrädern an einem Montag um 18:00 Uhr in Karlsruhe. Fraunhofer IOSB Ein Ansinnen, das vom MobilityData-Konsortium bereits akzeptiert wurde. Die gemeinnützige Organisation konzentriert sich auf die Standardisierung und den Austausch von Mobilitätsdaten. KI-Server bereits in Betrieb Basierend auf den GBFS-Daten sollen Routing-Apps in Zukunft intermodale Routenoptionen anbieten können. Der hierzu benötigte KI-Fusionsserver, über den alle Daten zusammengeführt werden, ist bereits in Betrieb. Er leitet KI-basiert die Verfügbarkeiten der Verkehrsmittel ab, die in Routenvorschläge einfließen. Zudem ist die KI-Prognose schon Bestandteil einer Testversion der Karlsruher regiomove-App, die verschiedenste Mobilitätsinstrumente für die Region Mittlerer Oberrhein miteinander vernetzt. Im nächsten Schritt soll das Prognosemodell auf den Raum Baden-Württemberg ausgerollt werden.
Verkehrswende: Mit KI im ÖPNV schneller ans Ziel Dank vorausschauendem Routing, inklusive Sharing-Verkehrsmitteln, wird intermodale Mobilität so bequem, wie der Griff zum Autoschlüssel. raumobil GmbH, Fraunhofer IOSB Noch immer zählt das Auto zu den beliebtesten Verkehrsmitteln, denn es ist immer verfügbar, und die Fahrten sind einfach zu planen. Eine Fahrt mit Öffentlichen ist dagegen häufig kompliziert zu planen, vor allem wenn unterschiedliche Verkehrsmittel kombiniert werden müssen. Kommt die Deutsche Bahn pünktlich an, um den Anschlussbus zu erreichen? Sind am Zielort Leihräder oder E-Scooter verfügbar? Fragen und Faktoren, die die heute üblichen Routing-Apps in der Regel nicht berücksichtigen. Diese Punkte will das Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB) mit dem Projekt DAKIMO angehen. Dazu hat das Karlsruher Institut eine KI-basierte Prognose für die Verfügbarkeit von Sharing-Verkehrsmitteln entwickelt. Diese berücksichtigt unter anderem Livedaten zur Verkehrslage. Mit Hilfe dieser Daten berechnet die KI die Wahrscheinlichkeit, an einem gewählten Ort im Stadtgebiet zu einer bestimmten Zeit ein Leihfahrrad oder einen E-Scooter vorzufinden. Intermodales Routing per APP Projektpartner raumobil GmbH nutzt diese Prognose für intermodales Routing. Sprich, eine Mobilitäts-App schlägt Verbindungen vom Start zum Ziel vor und kalkuliert auch die prognostizierten Verfügbarkeiten ein. Ziel der Projektpartner ist es, am Beispiel der regiomove-App des Karlsruher Verkehrsverbunds (KVV) intermodale Routenvorschläge Realität werden zu lassen. Wer die App nutzt, soll je nach aktueller Situation passgenaue Vorschläge für Verkehrsmittel erhalten, die optimal zu den individuellen Bedürfnissen und der jeweiligen Route passen. Das KI-gestützte Routing analysiert Verfügbarkeitswahrscheinlichkeiten, Fahrtdauer und Umstiegspunkte. Fraunhofer IOSB Für die Zukunft hat man am IOSB bereits große Pläne. Die KI-Prognose soll in den internationalen, weltweit gültigen Standard GBFS (General Bikeshare Feed Specification) integriert werden. Dabei handelt es sich um eine Echtzeit-Spezifikation für öffentliche Daten, die in erster Linie der Bereitstellung von Verkehrsinformationen wie Standortdaten für verbraucherorientierte Anwendungen dient. Neuer Datenstandard für die Mobilitätswende Derzeit läuft eine einjährige Evaluationsphase. Vor dem Einsatz im Alltag ist jedoch noch eine Hürde zu nehmen, wie Reinhard Herzog, der am Fraunhofer IOSB die Gruppe Modellbildung und Vernetzung leitet, erläutert: „Damit unsere KI-Technologie in den breiten Praxiseinsatz gebracht werden kann, ist es wichtig, dass der GBFS-Standard um prognostizierte Wahrscheinlichkeiten von Sharing-Fahrzeugen erweitert wird.“ KI-berechnete Aufenthaltswahrscheinlichkeiten von Sharing-Fahrrädern an einem Montag um 18:00 Uhr in Karlsruhe. Fraunhofer IOSB Ein Ansinnen, das vom MobilityData-Konsortium bereits akzeptiert wurde. Die gemeinnützige Organisation konzentriert sich auf die Standardisierung und den Austausch von Mobilitätsdaten. KI-Server bereits in Betrieb Basierend auf den GBFS-Daten sollen Routing-Apps in Zukunft intermodale Routenoptionen anbieten können. Der hierzu benötigte KI-Fusionsserver, über den alle Daten zusammengeführt werden, ist bereits in Betrieb. Er leitet KI-basiert die Verfügbarkeiten der Verkehrsmittel ab, die in Routenvorschläge einfließen. Zudem ist die KI-Prognose schon Bestandteil einer Testversion der Karlsruher regiomove-App, die verschiedenste Mobilitätsinstrumente für die Region Mittlerer Oberrhein miteinander vernetzt. Im nächsten Schritt soll das Prognosemodell auf den Raum Baden-Württemberg ausgerollt werden.